Sviluppo di un sistema di controllo qualità automatizzato basato su intelligenza artificiale per telai in alluminio di alta gamma

Il presente lavoro di tesi analizza l’implementazione di un sistema di assistenza al montaggio e controllo qualità automatizzato basato su intelligenza artificiale, applicato alla linea del telaio rear sub-frame McLaren presso lo stabilimento OMR di Modena. Il problema affrontato riguarda l'inefficienza intrinseca del controllo visivo manuale, soggetto a fatica cognitiva e "cecità da ripetizione", che impediva il raggiungimento del target di miglioramento continuo richiesto dalla metodologia APQP. Il problema è stato risolto attraverso l'integrazione di una cella robotizzata dotata di algoritmi di visione artificiale e avvitatori smart. Il mio contributo specifico si è concentrato sulla validazione sul campo del sistema, partecipando attivamente alle fasi di addestramento dell'algoritmo (CNN) per ridurre i falsi positivi/negativi e alla ridefinizione dei flussi di rework. I risultati principali mostrano che l'introduzione della cella e del montaggio guidato garantisce una tracciabilità totale e impedisce fisicamente la delibera di telai non conformi tramite un blocco software (Poka-Yoke). Il significato di tale innovazione è confermato dall'aggiornamento della PFMEA, che ha evidenziato un abbattimento drastico dell’indice di rischio RPN, passato da un valore critico di 112 a 24, ampiamente sotto la soglia di guardia. Il lavoro dimostra come l'integrazione di strumenti digitali nel settore automotive non solo aumenti l'affidabilità del processo, ma standardizzi i requisiti qualitativi richiesti dai clienti di alta gamma.